DESCRIZIONE

La pipeline implementa un processo di elaborazione completo e configurabile finalizzato al clustering di un generico dataset di serie temporali di dati.
Come risultato finale si ottengono i cluster di appartenenza per ogni serie temporale, assieme agli indici di bontà della clusterizzazione e la rappresentazione grafica dei cluster.
Possono essere selezionati e configurati l’algoritmo di clustering, l’intervallo di aggregazione temporale dei dati, tipologia di normalizzazione, possibile applicazione di funzioni di rappresentazione.
La pipeline di elaborazione include seguenti passaggi principali:
– Aggregazione e interpolazionedei dati di ingresso su un intervallo temporale selezionato;
– Applicazione di funzioni di normalizzazione o cambiamento della rappresentazione dei dati (es. Convolutional Auto-Encoder, Functional Principal Component Analysis);
– Applicazione di algoritmi di clustering dei dati e salvataggio dei risultati (cluster di appartenenza per ogni serie temporale, indici di bontà della clusterizzazione e rappresentazione grafica dei cluster).
Il codice è stato sviluppato per l’esecuzione su una piattaforma big data Databricks.
  
APPLICAZIONI

Classificazione degli utenti di servizi energetici in base ai propri profili di consumo.
Identificazione e classificazione di comportamenti caratteristici di consumo e tipologie di utenza su diverse scale temporali.
Sviluppo di sistemi di previsione di carico delle reti energetiche per ottimizzare la gestione operativa e la pianificazione delle reti. 

 
UTILIZZATORI

Operatori di reti energetiche.
 
 
FOCUS

F. Soldan, A. Maldarella, G. Paludetto, E. Bionda, F. Belloni, S. Grillo, “Characterization of electric consumers through an automated clustering pipeline”, 2022 IEEE International Conference on Environment and Electrical Engineering and 2022 IEEE Industrial and Commercial Power Systems Europe (EEEIC / I&CPS Europe), July 2022 (accettato)